基于深度學(xué)習(xí)的多攝像機(jī)協(xié)作監(jiān)控系統(tǒng)目標(biāo)匹配方法研究與系統(tǒng)實(shí)現(xiàn).pdf

1、在智能多攝像機(jī)協(xié)作監(jiān)控系統(tǒng)中，目標(biāo)匹配一直是研究的重點(diǎn)與難點(diǎn)問題。目前應(yīng)用較廣的目標(biāo)匹配方法主要是基于特征的目標(biāo)匹配，特征選取的有效性直接影響匹配結(jié)果的準(zhǔn)確性。深度卷積神經(jīng)網(wǎng)絡(luò)能夠提取到豐富的圖像中層特征表示，已在圖像處理領(lǐng)域得到了廣泛應(yīng)用，但其在目標(biāo)特征提取的過程中，需要調(diào)整大量的參數(shù)以及大量有標(biāo)簽的訓(xùn)練樣本來對(duì)網(wǎng)絡(luò)進(jìn)行建模，阻礙了其在小規(guī)模樣本上的應(yīng)用，并且網(wǎng)絡(luò)權(quán)值的初始化具有一定的隨意性，不能很好地體現(xiàn)出訓(xùn)練樣本自身屬性對(duì)于網(wǎng)絡(luò)結(jié)

2、構(gòu)的影響。因此，本文實(shí)現(xiàn)了一種基于深度網(wǎng)絡(luò)遷移學(xué)習(xí)的多攝像機(jī)目標(biāo)識(shí)別系統(tǒng)，首先利用Caffe框架在大數(shù)據(jù)庫(kù)ImageNet上進(jìn)行網(wǎng)絡(luò)預(yù)訓(xùn)練建模，將得到的中層圖像特征表示遷移于行人數(shù)據(jù)庫(kù)CAVIAR上進(jìn)行微調(diào)測(cè)試，并構(gòu)建了相應(yīng)的多攝像機(jī)協(xié)作監(jiān)控系統(tǒng)進(jìn)行實(shí)驗(yàn)。結(jié)果表明，盡管ImageNet數(shù)據(jù)庫(kù)與CAVIAR數(shù)據(jù)庫(kù)在對(duì)象屬性上有著較大的差異，但預(yù)訓(xùn)練出的網(wǎng)絡(luò)卻具有相當(dāng)好的泛化性能。提出了一種基于局部保持投影濾波器的深度學(xué)習(xí)框架，并將其應(yīng)用到